[发明专利]一种输电断面极限传输容量概率分布估计方法及装置

说明书

本发明公开了一种输电断面极限传输容量概率分布估计方法及装置，方法包括：将包含电网拓扑结构信息的电网特征矩阵输入预设的网络估计网络，输出得到第一张量和第二张量；将所述第一张量和所述第二张量输入预设的极限传输容量分布近似网络，从而分别得到极限传输容量的累积分布函数和概率密度函数分布；根据所述累积分布函数和所述概率密度函数分布，进行输电断面极限传输容量概率分布的估计，进而得到输电断面极限传输容量概率分布估计结果。本发明通过针对性地设计精细化非参数的概率估计模型，进而解决了现有技术中先验假设引入导致模型逼近真实分布能力受限的问题。

技术领域

本发明涉及电力系统估计技术领域，尤其涉及一种输电断面极限传输容量概率分布估计方法及装置。

背景技术

随着越来越多的可再生新能源以及灵活负荷接入电力系统，兼具安全性与经济性的调度计划的制定以及系统的安全评估变得越来越困难。不正确或者不充足的电力系统安全评估会导致错误的控制决策甚至严重的事故，因此电力系统安全评估是十分重要的一个步骤。传统的电力系统安全评估基于物理模型，根据代数方程/微分方程以及优化方法进行安全评估。但随着电网复杂度的不断增大，使得基于模型驱动的安全评估计算复杂度过高，计算时间代价过大，难以满足实时应用的需求。

数据驱动方法为电力系统在线安全评估提供了新思路，其可以从仿真工具生成的海量系统运行数据中获取安全知识，建立不依赖具体物理模型的安全评估模型，对各种运行场景快速响应。因此，在电网模型复杂且不确定性显著的电网运行环境下，数据驱动方法开始广泛地应用于电力系统的在线安全评估中。

安全裕度是电力系统安全评估的重要指标，数据驱动的电力系统安全裕度分析的相关方法具体分为以下两类：点估计方法和密度估计方法。在点估计方法中，研究目标为安全裕度的期望值。在密度估计方法中，研究目标为安全裕度的概率密度函数(ProbabilityDensity Function，PDF)或累积分布函数(Cumulative Distribution Function，CDF)。密度预测方法可以预测目标未来的分布信息，其对电力系统安全风险的预警具有重要意义，但在极限传输容量(Total Transfer Capability，TTC)概率分布评估中还未见应用。现有的密度预测模型主要针对单变量情况，其中分布近似网络—网络预测网络(DistributionSpproximation Network－network Forecast Network，DAN－NFN)是预测风电和电价分布信息最有效的模型之一。DAN－NFN无需对预测分布引入先验假设，其可通过深度神经网络(neural networks，NNs)得到较好的预测分布估计结果。在实际运行中，调度人员需要关注断面极限传输容量以评估电网的安全裕度，且受可再生能源影响，极限传输容量值变为一个随机变量。现有基于TTC的电网安全裕度评估方法中，相关研究假设该概率TTC服从诸如高斯分布等的特定分布类型，但实际中由于可再生能源波动随机，这种假设显然是不合理的，需要采取非参数的方法估计该概率TTC的分布函数。同时，实际电网拓扑结构复杂，从电网可采集的信息数据维度大，对数据的特征提取造成了巨大困难，TTC估计模型难以取得较好的估计结果。同时在训练模型时容易出现过拟合现象，同时在CDF函数近似过程中分母接近0时会出现NaN值(未定义或不可代表的值)。

因此，目前亟需一种能够针对性地设计精细化非参数的概率TTC估计模型的输电断面极限传输容量概率分布估计方法。

发明内容

本发明提供了一种输电断面极限传输容量概率分布估计方法及装置，以解决现有技术中先验假设引入导致模型逼近真实分布能力受限的技术问题。

为了解决上述技术问题，本发明实施例提供了一种输电断面极限传输容量概率分布估计方法，包括：

将包含电网拓扑结构信息的电网特征矩阵输入预设的网络估计网络，输出得到第一张量和第二张量；

将所述第一张量和所述第二张量输入预设的极限传输容量分布近似网络，从而分别得到极限传输容量的累积分布函数和概率密度函数分布；